作者中心
专家审稿
责编办公
编辑办公全文下载排行
1
2025, 14(5): 1276-1293.
摘要
5239KB
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
2
2023, 12(2): 456-469.
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
3
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
4
2025, 14(5): 1115-1141.
双基合成孔径雷达(SAR)采用收发平台分置的方式，能够实现复杂环境下对地海面场景和目标的高分辨成像，具有配置灵活、隐蔽性好、抗干扰能力强、获取目标信息丰富等优势，在高精度遥感测绘、隐蔽成像、精确打击等多个领域具备重要应用价值。成像处理是获得双基SAR高分辨图像的关键步骤，而双基SAR的回波模型、回波特性与传统单基SAR有显著的不同，需要对处于不同模式、不同构型下的双基SAR研究相应的成像处理方法。该文分别针对机载双基SAR、高速高机动平台双基SAR、星源异构双基SAR、星载同构双基SAR等典型模式，以及双基SAR运动补偿方法和运动目标成像等方面，分别阐述和分析了其中的关键问题，并梳理了国内外相关的解决思路和研究进展，最后对双基SAR成像处理技术的未来发展趋势进行展望。
双基合成孔径雷达(SAR)采用收发平台分置的方式，能够实现复杂环境下对地海面场景和目标的高分辨成像，具有配置灵活、隐蔽性好、抗干扰能力强、获取目标信息丰富等优势，在高精度遥感测绘、隐蔽成像、精确打击等多个领域具备重要应用价值。成像处理是获得双基SAR高分辨图像的关键步骤，而双基SAR的回波模型、回波特性与传统单基SAR有显著的不同，需要对处于不同模式、不同构型下的双基SAR研究相应的成像处理方法。该文分别针对机载双基SAR、高速高机动平台双基SAR、星源异构双基SAR、星载同构双基SAR等典型模式，以及双基SAR运动补偿方法和运动目标成像等方面，分别阐述和分析了其中的关键问题，并梳理了国内外相关的解决思路和研究进展，最后对双基SAR成像处理技术的未来发展趋势进行展望。
5
2025, 14(2): 249-268.
被动雷达在预警探测和低慢小目标(LSS)检测中具有重要作用。由于被动雷达信号辐射源不可控，目标特性更为复杂，导致检测和识别极其困难。该文构建了被动雷达低慢小探测数据集(LSS-PR-1.0)，该数据集包含了直升机、无人机、快艇、客轮4种典型海空目标的雷达回波信号，以及低高海况的海杂波数据，为该领域研究提供了数据支撑。在目标特征提取和分析方面，首先采用奇异值分解海杂波抑制方法，去除海杂波强Bragg峰对目标回波的影响。在此基础上，提出4类10种多域特征提取和分析方法，包括时域特征(相对平均幅度)、频域特征(频谱特征、多普勒瀑布图、距离多普勒特征)、时频域特征、运动特征(航向差、航迹参数、速度变化区间、速度变异系数、加速度)等。基于实测数据对4种海空目标特性进行了对比分析，总结各类目标特性规律，为后续目标识别奠定了基础。
被动雷达在预警探测和低慢小目标(LSS)检测中具有重要作用。由于被动雷达信号辐射源不可控，目标特性更为复杂，导致检测和识别极其困难。该文构建了被动雷达低慢小探测数据集(LSS-PR-1.0)，该数据集包含了直升机、无人机、快艇、客轮4种典型海空目标的雷达回波信号，以及低高海况的海杂波数据，为该领域研究提供了数据支撑。在目标特征提取和分析方面，首先采用奇异值分解海杂波抑制方法，去除海杂波强Bragg峰对目标回波的影响。在此基础上，提出4类10种多域特征提取和分析方法，包括时域特征(相对平均幅度)、频域特征(频谱特征、多普勒瀑布图、距离多普勒特征)、时频域特征、运动特征(航向差、航迹参数、速度变化区间、速度变异系数、加速度)等。基于实测数据对4种海空目标特性进行了对比分析，总结各类目标特性规律，为后续目标识别奠定了基础。
6
2025, 14(4): 1019-1045.
近年来，通信感知一体化技术受到学术界和工业界的广泛关注，被视为6G网络的关键技术之一。考虑到通信基础设施的广泛部署，将感知功能集成到通信系统中以构建通信感知一体化网络成为研究的重点。为此，以通信为中心的通感一体化信号设计成为首要解决的关键技术问题。以通信为中心的信号设计有两种主要技术路线：(1)基于导频进行感知的信号设计；(2)基于数据进行感知的信号设计。该文对以上两种信号设计的技术路线进行了深入而系统的阐述，其中对基于导频进行感知的信号设计的现有文献进行了全面综述，并对基于数据进行感知的信号设计进行了梳理，最后对通感一体化信号设计的未来研究方向进行了展望。
近年来，通信感知一体化技术受到学术界和工业界的广泛关注，被视为6G网络的关键技术之一。考虑到通信基础设施的广泛部署，将感知功能集成到通信系统中以构建通信感知一体化网络成为研究的重点。为此，以通信为中心的通感一体化信号设计成为首要解决的关键技术问题。以通信为中心的信号设计有两种主要技术路线：(1)基于导频进行感知的信号设计；(2)基于数据进行感知的信号设计。该文对以上两种信号设计的技术路线进行了深入而系统的阐述，其中对基于导频进行感知的信号设计的现有文献进行了全面综述，并对基于数据进行感知的信号设计进行了梳理，最后对通感一体化信号设计的未来研究方向进行了展望。
7
2023, 12(4): 906-922.
针对合成孔径雷达(SAR)图像中飞机散射点离散以及背景强干扰造成虚警的问题，该文提出了一种结合散射感知的SAR飞机检测识别方法。一方面，通过上下文引导的特征金字塔模块来增强全局信息，减弱复杂场景中强干扰的影响，提高检测识别的准确率。另一方面，利用散射关键点对目标进行定位，设计散射感知检测模块实现对回归框的细化校正，增强目标的定位精度。为了验证方法有效性、同时促进SAR飞机检测识别领域的研究发展，该文制作并公开了一个高分辨率SAR-AIRcraft-1.0数据集。该数据集图像来自高分三号卫星，包含4,368张图片和16,463个飞机目标实例，涵盖A220, A320/321, A330, ARJ21, Boeing737, Boeing787和other共7个类别。该文将提出的方法和常见深度学习算法在构建的数据集上进行实验，实验结果证明了散射感知方法的优异性能，并且形成了该数据集在SAR飞机检测、细粒度识别、检测识别一体化等不同任务中性能指标的基准。
针对合成孔径雷达(SAR)图像中飞机散射点离散以及背景强干扰造成虚警的问题，该文提出了一种结合散射感知的SAR飞机检测识别方法。一方面，通过上下文引导的特征金字塔模块来增强全局信息，减弱复杂场景中强干扰的影响，提高检测识别的准确率。另一方面，利用散射关键点对目标进行定位，设计散射感知检测模块实现对回归框的细化校正，增强目标的定位精度。为了验证方法有效性、同时促进SAR飞机检测识别领域的研究发展，该文制作并公开了一个高分辨率SAR-AIRcraft-1.0数据集。该数据集图像来自高分三号卫星，包含4,368张图片和16,463个飞机目标实例，涵盖A220, A320/321, A330, ARJ21, Boeing737, Boeing787和other共7个类别。该文将提出的方法和常见深度学习算法在构建的数据集上进行实验，实验结果证明了散射感知方法的优异性能，并且形成了该数据集在SAR飞机检测、细粒度识别、检测识别一体化等不同任务中性能指标的基准。
8
2024, 13(3): 501-524.
雷达微弱目标处理是实现优异探测性能的基础和前提，在复杂的实际环境应用过程中，由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题，导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准，导致通用性不强。近年来，深度学习在雷达智能信息处理领域取得了显著进展，深度学习算法通过构建深层神经网络，可以自动地从大量雷达数据中学习特征表示，提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展，具体包括噪声与杂波抑制、微弱目标信号增强；低、高分辨雷达图像和特征图处理；特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题，从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。
雷达微弱目标处理是实现优异探测性能的基础和前提，在复杂的实际环境应用过程中，由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题，导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准，导致通用性不强。近年来，深度学习在雷达智能信息处理领域取得了显著进展，深度学习算法通过构建深层神经网络，可以自动地从大量雷达数据中学习特征表示，提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展，具体包括噪声与杂波抑制、微弱目标信号增强；低、高分辨雷达图像和特征图处理；特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题，从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。
9
状态: , 更新:
近年来，人工智能技术和遥感领域的结合已成为领域发展的前沿热点，多模态大语言模型(MLLM)的快速发展为遥感智能解译带来新的机遇和挑战。遥感多模态大语言模型通过构建大语言模型与视觉模型之间的桥接机制并采用联合训练方式，深度融合遥感领域的视觉特征与语义信息，有效推动遥感智能解译由浅层语义匹配向高层的世界知识理解跃迁。该文系统性回顾了多模态大语言模型在遥感领域的相关研究成果，以期为新的研究方向提供依据。具体而言，该文首先明确了遥感多模态大语言模型(RS-MLLM)的概念定义，并梳理了遥感多模态大语言模型的发展脉络。随后，详细阐述了遥感多模态大语言模型的模型架构、训练方法、适用任务及其对应的基准数据集，并介绍了遥感智能体。最后，探讨了遥感多模态大语言模型的研究现状和未来发展方向。
近年来，人工智能技术和遥感领域的结合已成为领域发展的前沿热点，多模态大语言模型(MLLM)的快速发展为遥感智能解译带来新的机遇和挑战。遥感多模态大语言模型通过构建大语言模型与视觉模型之间的桥接机制并采用联合训练方式，深度融合遥感领域的视觉特征与语义信息，有效推动遥感智能解译由浅层语义匹配向高层的世界知识理解跃迁。该文系统性回顾了多模态大语言模型在遥感领域的相关研究成果，以期为新的研究方向提供依据。具体而言，该文首先明确了遥感多模态大语言模型(RS-MLLM)的概念定义，并梳理了遥感多模态大语言模型的发展脉络。随后，详细阐述了遥感多模态大语言模型的模型架构、训练方法、适用任务及其对应的基准数据集，并介绍了遥感智能体。最后，探讨了遥感多模态大语言模型的研究现状和未来发展方向。
10
2025, 14(5): 1196-1214.
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时，需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型，会导致主瓣杂波出现严重的空时非平稳问题，从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响，但是在处理过程中会出现字典离网问题，从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性，但在针对复杂、多变场景时，也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题，该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先，基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型，克服传统离散字典模型下的离网问题；其次，采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解；然后，根据迭代流程和数据流图进行网络化处理，将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net；再次，设置归一化均方根误差网络损失函数，并利用获取的数据集对网络模型进行训练；最后，利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理，从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理，表明该方法具有更好的杂波抑制性能和更加高效的运算效率。
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时，需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型，会导致主瓣杂波出现严重的空时非平稳问题，从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响，但是在处理过程中会出现字典离网问题，从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性，但在针对复杂、多变场景时，也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题，该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先，基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型，克服传统离散字典模型下的离网问题；其次，采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解；然后，根据迭代流程和数据流图进行网络化处理，将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net；再次，设置归一化均方根误差网络损失函数，并利用获取的数据集对网络模型进行训练；最后，利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理，从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理，表明该方法具有更好的杂波抑制性能和更加高效的运算效率。
11
2025, 14(1): 73-90.
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
12
2025, 14(5): 1215-1229.
针对传统星载单基雷达系统弱小动目标检测工程实现代价大以及抗干扰能力差等问题，星载双基雷达系统利用收发分置特点，通过大方位双基角观测构型有效提高目标的雷达散射截面积，同时有效提升处于“静默”状态的接收机抗干扰能力。然而，相比于星载单基雷达系统，星载双基雷达系统的收发分置构型将导致背景杂波回波特性呈现明显的差异。针对传统经验杂波散射系数模型难以体现散射系数随方位双基角的变化趋势这一问题，该文提出一种基于双尺度模型的半经验双基杂波散射系数模型。所提模型基于电磁散射理论将经验单基后向散射系数模型转换成双基散射系数模型，并基于双尺度模型对散射系数进行修正。该文通过现有文献中的双基杂波散射系数实测结果对所提模型的准确性进行了验证。基于所提双基杂波散射系数模型，该文通过空-时自适应处理杂波抑制方法对不同方位双基角下星载双基雷达的杂波抑制性能进行了仿真分析。根据仿真结果可知，在HH极化下，当方位双基角在30°～130°时，杂波抑制性能相对较好，当方位双基角达到150°以上时，主瓣杂波能量显著增强，使得杂波抑制性能受到明显影响。
针对传统星载单基雷达系统弱小动目标检测工程实现代价大以及抗干扰能力差等问题，星载双基雷达系统利用收发分置特点，通过大方位双基角观测构型有效提高目标的雷达散射截面积，同时有效提升处于“静默”状态的接收机抗干扰能力。然而，相比于星载单基雷达系统，星载双基雷达系统的收发分置构型将导致背景杂波回波特性呈现明显的差异。针对传统经验杂波散射系数模型难以体现散射系数随方位双基角的变化趋势这一问题，该文提出一种基于双尺度模型的半经验双基杂波散射系数模型。所提模型基于电磁散射理论将经验单基后向散射系数模型转换成双基散射系数模型，并基于双尺度模型对散射系数进行修正。该文通过现有文献中的双基杂波散射系数实测结果对所提模型的准确性进行了验证。基于所提双基杂波散射系数模型，该文通过空-时自适应处理杂波抑制方法对不同方位双基角下星载双基雷达的杂波抑制性能进行了仿真分析。根据仿真结果可知，在HH极化下，当方位双基角在30°～130°时，杂波抑制性能相对较好，当方位双基角达到150°以上时，主瓣杂波能量显著增强，使得杂波抑制性能受到明显影响。
13
2024, 13(3): 539-553.
无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战，迫切需要构建相关数据集，支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集，基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据，通过雷达调制周期和调制带宽，具备不同时域和频域分辨和测量能力，构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力，该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法，在短时傅里叶变换的基础上提取时频能量最大值，保留有用信号分量，实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析，结果表明该方法相较于传统时频方法，熵值平均降低了5.3 dB，旋翼叶长估计误差降低了27.7%，所提方法兼顾高时频分辨率和较高的参数估计精度，为后续目标识别奠定了基础。
无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战，迫切需要构建相关数据集，支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集，基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据，通过雷达调制周期和调制带宽，具备不同时域和频域分辨和测量能力，构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力，该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法，在短时傅里叶变换的基础上提取时频能量最大值，保留有用信号分量，实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析，结果表明该方法相较于传统时频方法，熵值平均降低了5.3 dB，旋翼叶长估计误差降低了27.7%，所提方法兼顾高时频分辨率和较高的参数估计精度，为后续目标识别奠定了基础。
14
2022, 11(6): 974-1002.
随着电磁频谱成为现代战争的关键作战域之一，在未来军事作战中，现代雷达将面临日益复杂、灵巧和智能的电磁干扰环境。认知智能雷达具备环境主动感知、任意发射和接收设计、智能处理和资源调度等能力，可适应复杂多变的战场电磁对抗环境，是雷达技术领域重点发展的方向之一。该文将认知智能雷达从结构上分解为认知发射、认知接收、智能处理以及智能控制等4大功能模块，梳理出干扰感知、发射设计、接收设计、信号处理和资源调度等认知智能雷达每个环节的抗干扰原理，并对近几年代表性文献进行归纳总结，分析了该领域技术发展趋势，旨在为以后的技术研究提供必要的参考和依据。
随着电磁频谱成为现代战争的关键作战域之一，在未来军事作战中，现代雷达将面临日益复杂、灵巧和智能的电磁干扰环境。认知智能雷达具备环境主动感知、任意发射和接收设计、智能处理和资源调度等能力，可适应复杂多变的战场电磁对抗环境，是雷达技术领域重点发展的方向之一。该文将认知智能雷达从结构上分解为认知发射、认知接收、智能处理以及智能控制等4大功能模块，梳理出干扰感知、发射设计、接收设计、信号处理和资源调度等认知智能雷达每个环节的抗干扰原理，并对近几年代表性文献进行归纳总结，分析了该领域技术发展趋势，旨在为以后的技术研究提供必要的参考和依据。
15
2025, 14(4): 1071-1091.
雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。
雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。
16
2025, 14(3): 528-547.
点云融合技术作为3D (Three-Dimensional)数据处理的重要手段，在多个领域展现出巨大的潜力和应用前景。该文系统地综述了点云融合的基础概念、常用技术方法及其应用，深入分析了不同方法的发展现状和未来发展趋势。此外，该文还探讨了点云融合在自动驾驶、建筑和机器人等领域的实际应用及面临的挑战，尤其是在应对噪声、数据稀疏性和密度不均等问题时，如何在保证融合精度的同时平衡其复杂性。通过全面梳理现有研究进展，为未来点云融合技术的发展提供了有力参考，并为进一步提升融合算法的精度、鲁棒性和效率指明了可能的研究方向。
点云融合技术作为3D (Three-Dimensional)数据处理的重要手段，在多个领域展现出巨大的潜力和应用前景。该文系统地综述了点云融合的基础概念、常用技术方法及其应用，深入分析了不同方法的发展现状和未来发展趋势。此外，该文还探讨了点云融合在自动驾驶、建筑和机器人等领域的实际应用及面临的挑战，尤其是在应对噪声、数据稀疏性和密度不均等问题时，如何在保证融合精度的同时平衡其复杂性。通过全面梳理现有研究进展，为未来点云融合技术的发展提供了有力参考，并为进一步提升融合算法的精度、鲁棒性和效率指明了可能的研究方向。
17
2025, 14(5): 1142-1152.
相比于微型单基SAR系统，微型多基SAR系统采用收发分置的灵活构型，具备多角度成像等优势。然而，由于微型多基SAR系统需要采用相互独立的振荡源，相位同步是实现微型多基SAR高精度成像的必要条件。当前双基SAR相位同步方案的研究已相对成熟，但这些方案主要基于脉冲体制SAR系统，针对调频连续波(FMCW)体制微型多基SAR系统的相位同步研究仍较为匮乏。与脉冲体制SAR系统相比，FMCW SAR系统的信号连续发射，脉冲间不存在时间间隙，因此部分脉冲体制SAR的相位同步方案无法直接应用于FMCW SAR系统。为此，该文提出了一种适用于FMCW微型多基SAR相位同步方法，旨在有效解决FMCW SAR系统所面临的相位同步难题。该方法采用广义短时正交(STSO)波形作为不同雷达平台的相位同步信号，通过脉冲压缩技术提取出雷达平台间的相位误差，进而实现相位同步。与传统线性调频波形相比，广义短时正交波形在经过相同的脉冲压缩函数处理后，干扰信号的能量会集中于远离匹配信号峰值的位置，从而提高了相位同步的精度。此外，所提方法还适应了FMCW微型多基SAR系统dechirp接收的特点，并通过地面和数值仿真实验验证，所提方法具有较高的同步精度。
相比于微型单基SAR系统，微型多基SAR系统采用收发分置的灵活构型，具备多角度成像等优势。然而，由于微型多基SAR系统需要采用相互独立的振荡源，相位同步是实现微型多基SAR高精度成像的必要条件。当前双基SAR相位同步方案的研究已相对成熟，但这些方案主要基于脉冲体制SAR系统，针对调频连续波(FMCW)体制微型多基SAR系统的相位同步研究仍较为匮乏。与脉冲体制SAR系统相比，FMCW SAR系统的信号连续发射，脉冲间不存在时间间隙，因此部分脉冲体制SAR的相位同步方案无法直接应用于FMCW SAR系统。为此，该文提出了一种适用于FMCW微型多基SAR相位同步方法，旨在有效解决FMCW SAR系统所面临的相位同步难题。该方法采用广义短时正交(STSO)波形作为不同雷达平台的相位同步信号，通过脉冲压缩技术提取出雷达平台间的相位误差，进而实现相位同步。与传统线性调频波形相比，广义短时正交波形在经过相同的脉冲压缩函数处理后，干扰信号的能量会集中于远离匹配信号峰值的位置，从而提高了相位同步的精度。此外，所提方法还适应了FMCW微型多基SAR系统dechirp接收的特点，并通过地面和数值仿真实验验证，所提方法具有较高的同步精度。
18
2020, 9(5): 753-764.
合成孔径雷达(SAR)是一种全天候、全天时、具备高分辨率的成像设备，被广泛应用于对敌侦察，为战场决策提供及时可靠的情报支持。如何压制和扰乱SAR设备的成像侦察，实现对高价值目标和要地的有效防护，已成为当前电子对抗领域的研究热难点之一。该文探讨了SAR干扰的技术进展和发展趋势，首先详细梳理了SAR干扰技术的发展脉络，然后结合仿真实验对比分析了典型SAR干扰样式的优缺点，最后总结了现有SAR干扰技术存在的不足，并指出其未来发展趋势，可为专家学者提供一定的参考。
合成孔径雷达(SAR)是一种全天候、全天时、具备高分辨率的成像设备，被广泛应用于对敌侦察，为战场决策提供及时可靠的情报支持。如何压制和扰乱SAR设备的成像侦察，实现对高价值目标和要地的有效防护，已成为当前电子对抗领域的研究热难点之一。该文探讨了SAR干扰的技术进展和发展趋势，首先详细梳理了SAR干扰技术的发展脉络，然后结合仿真实验对比分析了典型SAR干扰样式的优缺点，最后总结了现有SAR干扰技术存在的不足，并指出其未来发展趋势，可为专家学者提供一定的参考。
19
2025, 14(5): 1294-1305.
基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究，该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力，这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次，现有研究大都需要大规模标记数据来获得目标的先验知识，考虑到大量未标注数据未被有效使用，该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束，用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言，将原始回波数据分别映射到对比损失空间和语义标签空间：在对比损失空间中，利用对比损失对样本的相似性和聚集性进行约束，使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小，而不同目标回波样本间的距离被拉大；在语义损失空间中，通过提取到的判别特征对语义标签进行约束，实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明，与最先进的无监督和有监督目标识别算法相比，MCL的识别准确率分别提升了0.4%和1.4%，并且MCL能有效提升多雷达传感器协同时的目标识别性能。
基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究，该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力，这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次，现有研究大都需要大规模标记数据来获得目标的先验知识，考虑到大量未标注数据未被有效使用，该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束，用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言，将原始回波数据分别映射到对比损失空间和语义标签空间：在对比损失空间中，利用对比损失对样本的相似性和聚集性进行约束，使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小，而不同目标回波样本间的距离被拉大；在语义损失空间中，通过提取到的判别特征对语义标签进行约束，实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明，与最先进的无监督和有监督目标识别算法相比，MCL的识别准确率分别提升了0.4%和1.4%，并且MCL能有效提升多雷达传感器协同时的目标识别性能。
20
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页
微信 | 公众平台 
